Industrial Engineering ES

优缺点分析

角色解读

• 技术方向：可向AI架构师、大模型专家或首席科学家发展，深入算法前沿
• 管理方向：可晋升为技术主管、项目经理，负责更大范围的技术规划与团队管理
• 行业深耕：结合汽车工业场景，成为智能制造与AI融合的稀缺人才，跨部门影响力大
• 负责AI算法设计开发，包括机器学习、深度学习、NLP等领域的模型构建与优化
• 探索大模型（LLM）在对话、推荐等场景的应用，推动企业级落地
• 管理AI模型全生命周期，从数据清洗、训练到部署，并优化推理性能
• 承担内部培训与标准制定，协调子项目，确保技术目标的达成
• 精通Python及Pandas、Scikit-learn等数据处理工具，熟练掌握至少一种深度学习框架（TensorFlow/PyTorch）
• 扎实的数学基础（线性代数、概率统计、最优化），具备独立的算法设计与调优能力
• 熟悉大模型相关技术（Prompt工程、RAG、模型量化蒸馏等），有LLM应用开发经验
• 英语可作为工作语言，能进行国际协作与培训

申请策略

• 关注德科斯米尔的业务方向（线束系统、内饰），在面试中思考AI如何与其结合
• 准备英语自我介绍和项目介绍，体现国际化沟通能力
• 突出独立主导或参与AI项目的成果，如模型性能提升、落地案例等
• 强调大模型相关经验，如LLM微调、RAG、提示工程等，最好有量化指标
• 展示Python、PyTorch/TensorFlow等技能，以及数据处理和数学基础
• 若有培训或跨部门协作经验，重点体现沟通与管理能力
• 系统学习LangChain、LlamaIndex等大模型工具链，实践RAG与Agent构建
• 深入模型优化技术，如量化、蒸馏、推理加速（vLLM等），提升部署能力

面试指南

• STAR法则：情境、任务、行动、结果，量化项目指标
• 技术选型逻辑：说明为什么选择某个模型/框架，对比优缺点
• 问题解决思路：先分析原因，再提出方案，最后总结改进
• 请描述一个你主导的AI项目，从数据准备到部署的完整流程
• 你对大模型（LLM）的应用有哪些经验？如何解决幻觉问题？
• 如何在生产环境中优化模型推理速度？用过哪些框架？
• 你如何看待AI在汽车制造领域的应用前景？
• 如果让你负责一个跨部门项目，你会如何协调资源保证进度？